Als kunstmatige intelligentie (AI) wordt getraind op het lezen van de managementtoelichting in jaarverslagen, dan kan er met vrij grote precisie worden voorspeld welke bedrijfswinsten gaan tegenvallen en welke juist positief zullen verrassen. Het alternatief is gewoon naar de lengte van die tekst kijken. Dat vertelt volgens Joachim Klement ook veel.
Klement las onlangs een wetenschappelijk artikel met de spannende titel: Kan met AI de gedachten van CEO’s gelezen worden? En tot zijn verbazing heeft hij daar iets totaal onverwachts van geleerd.
Kunstmatige intelligentie (AI) kan beleggers helpen bij het ontdekken van ontwijkende antwoorden van bestuursleden tijdens Q&A's. Managers die eerlijke antwoorden geven op vragen van analisten en die in staat zijn extra details te geven, zien de koers van hun bedrijf daarna vaak stijgen.
Maar uit het artikel blijkt dat er nog meer mogelijk is als AI wordt getraind op schriftelijke verklaringen in kwartaal- en jaarverslagen. Volgens de onderzoekers kan met AI niet alleen bedriegelijk gedrag en fraude worden ontdekt, het is ook mogelijk om toekomstige winst- en verliesverrassingen te voorspellen.
In het onderzoek werd de AI getraind op het hoofdstuk Management Discussion & Analysis (MD&A), dat in bijna alle jaarverslagen voorkomt. Wat de AI heeft gedaan, is alle deze MD&A-hoofdstukken van Amerikaanse bedrijven tussen 1993 en 2021 doorlezen, evenals de bespreking van de risicofactor (RF).
Belangrijke om op te merken is dat het MD&A-hoofdstuk niet wordt gecontroleerd door een accountant (in tegenstelling tot de rest van het rapport). Het management heeft dus veel vrijheid om uit te leggen hoe zij hun bedrijf zien en de omgeving waarin het opereert. Dat biedt uitgebreide mogelijkheden om potentiële problemen aan de horizon te verdonkeremanen om zo de zorgen van beleggers weg te nemen.
LLM
Het gebruik van een eenvoudige lexicografische benadering was niet genoeg om bedrijven te vinden die in de toekomst gaan tegenvallen. Bij zo’n benadering wordt gekeken naar bepaalde woorden die vaak voorkomen en die wijzen op een negatief sentiment.
Ook het gebruik van kant-en-klare taalmodellen - large language models (LLM’s) – werkte onvoldoende, omdat standaard LLM’s niet zijn getraind in het interpreteren van de vaktaal die wordt gebruikt in financiële verslagen.
Maar toen de LLM was getraind met AI op content met een negatieve ondertoon, konden nauwkeurige voorspellingen worden gedaan over welke bedrijven bij de volgende bedrijfscijfers voor positieve verrassingen zouden zorgen en welke voor tegenvallers. De 20% bedrijven met de grootste positieve winstverrassing presteerden 6,7% beter op de beurs dan de 20% bedrijven met de grootste negatieve winstverrassing.
Outperformance
Dat is een verbluffende outperformance, maar er staat nog iets in het onderzoek. Als een soort lakmoesproef keken de onderzoekers behalve naar hun zeer geavanceerde LLM ook naar heel eenvoudige manieren om toekomstige winstverrassingen te voorspellen - vermoedelijk om aan te tonen hoeveel beter LLM’s zijn.
Een van die simpele methoden was om te kijken naar de lengte van het MD&A-hoofdstuk. Wat blijkt: de 20% bedrijven met de langste MD&A-hoofdstukken doen het op de beurs 2,3% per jaar slechter dan de 20% bedrijven met de kortste MD&A-hoofdstukken.
Het is echt heel eenvoudig. Als het management potentiële risico’s wil bagatelliseren, moet het uitleggen waarom. Dat maakt de tekst langer. Als de zaken goed gaan, dan hoeven ze alleen maar te zeggen: 'Het gaat goed'. Behoorlijk kort.
Dus als u de volgende keer in een bedrijfsverslag de managementtoelichting leest, let dan op hoe lang die is. De kans is groot dat managers die teksten schrijven met de lengte van Oorlog en Vrede, slecht nieuws proberen te verbergen.
Meld u aan voor de Belegger.nl dagelijkse nieuwsbrief
en blijf op de hoogte van de laatste ontwikkelingen op de beurs!